基于多Agent分布式海量数据处理的工业电力负荷预测方法

    公开(公告)号:CN111652413B

    公开(公告)日:2022-06-24

    申请号:CN202010432239.1

    申请日:2020-05-20

    摘要: 本发明公开了基于多Agent分布式海量数据处理的工业电力负荷预测方法,包含海量高维数据预处理、多Agent分布式处理器、基因表达式编程算法模型训练及预测。海量高维数据预处理通过缺失数据补充或删除,并对特征影响因素进行权重计算,得到加权工业电力负荷矩阵;多Agent分布式处理器将经过预处理后的数据分组,将各组数据放置在不同的Agent中分别输入到基因表达式编程算法模型中进行训练,并输入待预测日的特征向量,计算输出各组预测负荷值;基因表达式编程算法模型训练及预测将分组后的历史数据作为训练集对该模型进行训练,训练完成后将待预测日输入模型,得到预测值并输出。本发明降低了海量高维数据处理的难度,提高了预测的速度和准确度。

    基于多Agent分布式海量数据处理的工业电力负荷预测方法

    公开(公告)号:CN111652413A

    公开(公告)日:2020-09-11

    申请号:CN202010432239.1

    申请日:2020-05-20

    摘要: 本发明公开了基于多Agent分布式海量数据处理的工业电力负荷预测方法,包含海量高维数据预处理、多Agent分布式处理器、基因表达式编程算法模型训练及预测。海量高维数据预处理通过缺失数据补充或删除,并对特征影响因素进行权重计算,得到加权工业电力负荷矩阵;多Agent分布式处理器将经过预处理后的数据分组,将各组数据放置在不同的Agent中分别输入到基因表达式编程算法模型中进行训练,并输入待预测日的特征向量,计算输出各组预测负荷值;基因表达式编程算法模型训练及预测将分组后的历史数据作为训练集对该模型进行训练,训练完成后将待预测日输入模型,得到预测值并输出。本发明降低了海量高维数据处理的难度,提高了预测的速度和准确度。